[发明专利]棉花植株生长期识别方法、系统、存储介质及设备

说明书

本发明涉及棉花植株生长期识别方法、系统、存储介质及设备，其中，棉花植株生长期识别方法包括以下步骤：棉花植株的图像信息经处理后利用绿色植株的面积占比，识别图像中处于苗期的棉花植株；将图像信息分割为设定数量的超像素区域，利用超像素区域的颜色特征识别处于花期、吐絮期与停止生长期的棉花植株；利用处于蕾期与铃期的棉花植株图像信息构建深度学习网络模型，基于已构建的深度学习网络模型，识别处于蕾期与铃期的棉花植株。针对棉花植株不同的时期具有的不同特征，使用不同的识别方法，既避免了单一使用传统的图像处理算法可能导致的低准确率情况，又避免了单一使用深度学习方法带来的数据需求量大以及模型体积过大等问题。

技术领域

本发明涉及图像分类与识别领域，具体为棉花植株生长期识别方法、系统、存储介质及设备。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

棉花是世界上最重要的经济作物之一，而生长期作为农业作物的主要生长信息之一，是农业领域关注的重点。从棉田中直接拍摄棉花图像用于棉花生长期的自动识别，对于监测棉花作物的生长状态并指导农作物田间农事活动有着非常重要的意义。

传统的棉花植株生长周期的观测方法需要根据棉花植株的株型、形态变化等特征进行生长期判断，并人工记载从播种到成熟整个生长过程中生长期出现的日期。人工观测虽简单易行，但不仅费时费力、效率低下，同时由于个人主观性较强，会受观测人员的技术水平、观测标准等因素的影响，测量精度难以保证，同时，不能实时提供棉花植株的生长信息，对精准农业的信息化发展带来诸多不便。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供棉花植株生长期识别方法、系统、存储介质及设备，将棉花的生长期划分为：苗期、蕾期、花期、铃期、吐絮期和停止生长期(成熟期)。利用图像信息中绿色植株面积占比识别处于苗期的棉花植株，利用超像素分割方法获取的颜色特征识别处于花期、吐絮期与停止生长期的棉花植株；利用处于蕾期与铃期的图片构建深度学习网络模型，经训练后识别图像中处于蕾期与铃期的棉花植株。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供棉花植株生长期识别方法，包括以下步骤：

获取棉花植株的图像；

图像经处理后利用图像中绿色植株的面积占比，识别图像中处于苗期的棉花植株；

将已获得的图像分割为设定数量的超像素区域，利用超像素区域的颜色特征识别处于花期、吐絮期与停止生长期的棉花植株；

利用处于蕾期与铃期的棉花植株图像构建深度学习网络模型，基于已构建的深度学习网络模型，识别处于蕾期与铃期的棉花植株。

利用图像中绿色植株的面积占比识别图像中处于苗期的棉花植株的过程包括：

去除图像中的背景区域，保留绿色植株区域。

利用每个像素的红色分量、绿色分量和蓝色分量获取植物图像的超绿灰度图。

基于超绿灰度图，将每个像素点的灰度值和阈值相比较，根据比较的结果将该像素划分为植物或者背景。

将已获得的图像分割为设定数量的超像素区域，利用超像素区域的颜色特征识别处于花期、吐絮期与停止生长期的棉花植株包括：对每个超像素区域提取H通道的颜色直方图，依据颜色特征在直方图中的设定区间，统计区间内各个像素点的频度，依据区间内像素点的频度总和，判断像素点对应的特征类别。

超像素区域的颜色特征包括，花期为乳白色花朵及红色花朵；吐絮期为白色棉絮与绿色植株；停止生长期为白色棉絮与棕黄色背景。

利用处于蕾期与铃期的棉花植株图像构建的深度学习网络模型，包括至少六个卷积层，每个卷积层包括至少四个操作层。